实体
Ye Mao
Ye Mao
PulseAugur coverage of Ye Mao — every cluster mentioning Ye Mao across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
全志推出 V881/V883 芯片，赋能 AI 视觉理解
全志科技发布了其新款 V881 和 V883 视觉处理芯片，旨在增强 AI 理解和处理视觉信息的能力。V881 芯片专注于“存储性能比”，通过系统级优化而非硬件堆叠，在远少于竞品所需的 2GB 内存（实为 128MB）的情况下实现了高质量成像。V883 则定位为高端平台，具备资产监控、专业体育赛事分析和实时控制系统等应用的高级功能，强调从单纯的图像捕捉转向使设备能够解读和响应周围环境。
-
3D场景理解模型UniScene3D发布后撤回
一篇题为“用于统一3D场景理解的对比语言着色点图预训练”的研究论文介绍了UniScene3D，这是一种基于Transformer的编码器，旨在从多视图彩色点图中学习统一的场景表示。该方法整合了图像外观和几何信息，采用了新颖的跨视图几何和基于地面的视图对齐来确保一致性。评估结果表明，在低样本和特定任务的微调方面，该模型在各种3D场景理解任务中均取得了最先进的性能，包括视点定位、场景检索、场景类型分类和3D视觉问答。然而，该论文后来被作者…
-
POMA-3D模型从点图学习自监督三维场景理解
研究人员推出了POMA-3D，一种新颖的自监督三维表示模型，它利用点图将三维坐标编码到结构化的二维网格上。该方法通过视图到场景的对齐策略，将二维基础模型的先验知识迁移到三维理解中。该模型还采用联合嵌入预测架构POMA-JEPA，以确保跨不同视图的几何一致性特征。实验表明，POMA-3D仅使用几何输入，即可作为各种三维任务（包括问答和导航）的骨干。